打印本文 打印本文  关闭窗口 关闭窗口  
电梯与网络:预测分析的应用
作者:中国商业智能网  文章来源:本站原创  点击数  更新时间:2017/9/14 15:18:14  文章录入:dhqdhq  责任编辑:dhqdhq

你能预测网络故障吗?

我最近看的一则电视广告让我想到预测分析可以应用到网络中。广告上有个修理工走进办公楼,说:“我来这里修电梯。”保安回答说:“我们没有问题。”而维修人员回答说,问题将在三天内发生,他可以通过一个预测平台进行预测分析来了解这个问题。

在网络方面,预测分析是否允许我们预测网络问题,如故障、退化和性能的问题?这似乎是一个合理的问题,但它需要一些分析技术的知识来理解网络预测分析的成功。

电梯与网络

电梯是大楼的一部分。它有自己的架构和基础设施。电梯每天重复发生的事就是上上下下。电梯的环境变化不大,除非发生火灾、地震或其他影响电梯运行的因素。在大楼内的电梯操作有很长的历史。电梯制造商在其他建筑中同样的电梯有更多的历史。

网络则不同。网络可能会根据重新设计、流量行为、路由更改、应用程序更改和软件修改而改变。与电梯相比,网络在运行时并不是静态的。

服务提供者正在尝试实现网络功能虚拟化(NFV)和软件定义的网络(SDN),这能改变供应、计费和操作。最大的变化之一是能让企业要求的网络和容量变化在几分钟内而不是几周内交付。这使得预测网络操作变得更加困难,因为所收集的数据是关于动态的(而不是静态的)网络。在客户对网络的操作进行更改之后,可能会有很少的历史数据可用。更少的数据意味着更弱的预测。

预测分析的基础

预测分析包括机器学习(ML)和人工智能(AI)过程。人工智能(AI)可以在任何测量其环境(网络)的设备中实现,并采取行动让预测网络操作成功机会最大化。当机器模仿人类的功能,例如学习和解决问题时,人工智能就会被应用。ML使计算机有能力从数据中学习,而不需要提前编程。

预测分析已经有所改善,得益于人工智能和相关领域的进步。现有的一些预测分析平台就是这个实现过程的例子。人工智能的局限性在于,预测的准确性取决于收集到的数据的质量。

预测网络性能

预测算法的应用可以帮助管理网络资源。深度学习可以成为网络性能和质量优化的一个有用工具。深度学习是基于学习数据表示的机器学习的一部分,而不是特定于任务的算法。深度学习架构可以产生与人类专家相当的结果,有时甚至优于人类专家。一个例子是主动重新平衡网络上的流量,并实时提供更多的容量。

预测分析还可以基于使用类型检查数据流量的趋势和模式,对可能出现的问题的提供早期警告。这意味着一个好的预测分析工具能够预测变化的影响并避免这种影响。

主动安全实现

安全攻击变得更加复杂。所有已部署的工具都在工作,但攻击者已经学会了如何绕过保障安全的系统和软件。预测分析可用于快速检测安全漏洞。它还可以对人类行为可疑的变化提供线索和警报。

预测分析值得吗?

现在,网络的预测分析有待成熟。如果企业有许多相对静态的网络设计,预测分析可能会起作用,并为其带来好处。但是一旦我们引入NFV和SDN,企业将会运行一个几乎没有历史的网络。假设企业根据业务需求不断变化对网络容量和实施进行更改,那么可能永远不会有足够的历史累积到足够的预测分析性能。

另一方面,拥有基础设施的服务提供者提供的服务应该对整个网络有更好的了解。他们拥有并操作所有的设施,可以收集具有历史意义的数据,并应用于预测分析。提供者可以交付更好的服务协议,而不仅仅是服务级别的目标。

请记住,AI和ML的结果在于输入数据的质量。在验证之前不要假定结果是有效的。由于数据随着时间的推移而变化,您将不得不周期性地重新验证预测分析结果。

中国商业智能网(BI )

打印本文 打印本文  关闭窗口 关闭窗口